آموزش تسلط بر ایجنت‌های هوش مصنوعی با AutoGen و CrewAI - آخرین آپدیت

دانلود Mastering AI Agents with AutoGen & CrewAI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: طراحی، ساخت و استقرار گردش‌کارهای خودمختار چند-ایجنت (Multi-Agent) برای اتوماسیون عملیات واقعی کسب‌وکار. درک حلقه ایجنت (استدلال، اقدام، مشاهده) و تشخیص زمان‌هایی که یک ایجنت از اسکریپت‌های معمولی یا تک‌فراخوانی‌های LLM برتر است. ساخت ایجنت‌های گفتگو-محور و چت‌های گروهی در AutoGen، همراه با اجرای ایمن کد و نظارت انسانی (Human-in-the-loop). عیب‌یابی و رفع حالت‌های شکست رایج در ایجنت‌ها: حلقه‌های تکرار، انحراف از مسیر و توهم در فراخوانی ابزارها. کنترل هزینه‌های ایجنت با لایه‌بندی مدل‌ها، بهینه‌سازی پرامپت‌ها و حافظه پنهان (Caching) و اندازه‌گیری میزان صرفه‌جویی. ساخت ایجنت‌های تک‌نفره و تیم‌های چند-ایجنت در CrewAI با تعریف دقیق نقش‌ها، وظایف و فرآیندها. تجهیز ایجنت‌ها به ابزارهای سفارشی، دسترسی به APIها و دیتابیس‌های واقعی، حافظه پایدار و سیستم RAG روی اسناد شما. استقرار ایجنت به عنوان یک سرویس API قابل مشاهده با مدیریت اسرار (Secrets)، دسترسی با کمترین امتیاز و سیستم لاگینگ. انتخاب معماری مناسب (ایجنت واحد، تیم یا چت گروهی) برای حل هر مسئله خاص. افزودن نرده‌های حفاظتی (Guardrails)، محدودیت گام‌ها، تایم‌اوت و اعتبارسنجی خروجی برای حفظ ایمنی و پیش‌بینی‌پذیری ایجنت‌ها. ارزیابی ایجنت‌های غیرقطعی با استفاده از وظایف طلایی (Golden Tasks)، مدل LLM به عنوان داور و بررسی انسانی. برنامه‌ریزی و فعال‌سازی ایجنت‌ها برای اجرای خودکار بر اساس زمان یا رویدادها، به جای اجرای دستی. پیشنیازها: تسلط بر مفاهیم پایه پایتون (توابع، پکیج‌ها و محیط‌های مجازی). داشتن API key برای یکی از ارائه‌دهندگان LLM و مقداری اعتبار برای اجرای عملی. به هیچ تجربه قبلی در زمینه ایجنت‌های هوش مصنوعی نیاز نیست؛ ما از ابتدایی‌ترین مفاهیم حلقه ایجنت شروع می‌کنیم.

این دوره شامل استفاده از هوش مصنوعی است.

ابزارهای AI تنها برای بازنویسی و اصلاح گرامری در توضیحات دوره و متون پشتیبان استفاده شده‌اند.

ایجنت‌های هوش مصنوعی در حال انتقال از محیط‌های دمو به محیط‌های عملیاتی هستند و شکاف بین تماشای یک دمو و ساخت سیستمی که بتوانید به آن اعتماد کنید، دقیقاً همان چیزی است که این دوره پر می‌کند. شما ایجنت‌های واقعی و سیستم‌های چند-ایجنت را با دو فریم‌ورک استاندارد صنعت می‌سازید: CrewAI برای تیم‌های نقش- و وظیفه-محور و AutoGen برای ایجنت‌های گفتگو-محور؛ و مدل زیربنایی هر دو را یاد می‌گیرید تا هرگز به یک ابزار خاص وابسته نباشید.


این یک دوره عملی و پروژه-محور برای مهندسان نرم‌افزار، دانشمندان داده، معماران راهکار و تحلیلگران فنی است که می‌خواهند ایجنت‌ها را به مرحله اجرا برسانند، نه اینکه فقط درباره آن‌ها صحبت کنند. هیچ تجربه قبلی در مورد ایجنت‌ها لازم نیست، اما باید با پایتون آشنا باشید. در پایان، شما چهار پروژه را پیاده‌سازی خواهید کرد: یک تیم تحقیق، یک سیستم پشتیبانی چند-ایجنت، یک ایجنت تحلیل داده با قابلیت اجرای کد و یک سرویس چند-ایجنت مستقر شده و قابل مانیتورینگ.


ما بسیار فراتر از سطح مقدماتی می‌رویم. شما به ایجنت‌ها ابزارهای واقعی، دیتابیس، حافظه و قابلیت بازیابی اطلاعات از اسناد خودتان را می‌دهید؛ سپس کاری را انجام می‌دهیم که اکثر آموزش‌ها نادیده می‌گیرند: قابل اعتماد کردن آن‌ها. شما دلیل ایجاد حلقه‌های تکرار و توهمات را عیب‌یابی می‌کنید، محدودیت‌های هزینه و حفاظتی می‌گذارید و واقعاً ارزیابی می‌کنید که آیا ایجنت درست عمل کرده است یا خیر. در نهایت، آن را پشت یک API با امنیت بالا و زمان‌بندی خودکار مستقر می‌کنید.


هر مفهوم از دیدگاه عملیاتی و با مثال‌های هزینه‌ای توسط گانش راویکومار تدریس می‌شود؛ کسی که بیش از ۲۰ سال تجربه در اتوماسیون و اکنون ایجنت‌ها در محیط‌های عملیاتی واقعی و تحت نظارت دارد، جایی که یک حلقه تکرار خارج از کنترل یا یک صورت‌حساب غیرمنتظره می‌تواند یک مشکل جدی باشد. این همان دوره‌ای است که ای‌کاش زمانی که اولین ایجنت خود را مستقر می‌کردم، وجود داشت. همین حالا ثبت‌نام کنید و ایجنت‌هایی بسازید که واقعاً کارها را انجام دهند.


سرفصل ها و درس ها

چرا ایجنت‌های هوش مصنوعی؟ از چت‌بات‌ها تا گردش‌کارهای خودمختار Why AI Agents — From Chatbots to Autonomous Workflows

  • درباره مدرس و نحوه استفاده از این دوره About Your Instructor & How to Use This Course

  • ایجنت در مقابل چت‌بات و گردش‌کار - تفاوت واقعی Agent vs Chatbot vs Workflow — The Real Difference

  • کجا ایجنت‌ها برنده هستند (و کجا نیستند) Where Agents Win (and Where They Don't)

  • چه چیزهایی در این دوره خواهید ساخت What You'll Build in This Course

کالبدشناسی یک ایجنت - نحوه عملکرد واقعی Anatomy of an Agent — How It Actually Works

  • حلقه ایجنت: استدلال →اقدام →مشاهده The Agent Loop: Reason → Act → Observe

  • ابزارها: دادن دست به ایجنت Tools: Giving an Agent Hands

  • حافظه و وضعیت - آنچه ایجنت به یاد می‌آورد Memory & State — What the Agent Remembers

  • پرامپت‌ها، نقش‌ها و پرسوناها برای ایجنت‌ها Prompts, Roles & Personas for Agents

  • انتخاب مدل - قابلیت در مقابل هزینه Choosing Your Model — Capability vs Cost

ساخت اولین تیم با CrewAI Build Your First Crew with CrewAI

  • راه‌اندازی: محیط، کلیدها و اولین اجرا Setup: Environment, Keys & First Run

  • اولین ایجنت شما - نقش، هدف و پیشینه Your First Agent — Role, Goal, Backstory

  • از یک ایجنت به یک تیم (Crew) From One Agent to a Crew

  • افزودن ابزار به تیم شما Adding a Tool to Your Crew

  • کارگاه - ساخت یک تیم تحقیق Workshop — Build a Research Crew

همکاری چند-ایجنت با CrewAI Multi-Agent Collaboration with CrewAI

  • طراحی نقش‌هایی که هم‌پوشانی ندارند Designing Roles That Don't Overlap

  • فرآیندهای متوالی در مقابل سلسله‌مراتبی Sequential vs Hierarchical Processes

  • طراحی وظایف - ورودی‌ها، خروجی‌ها و زمینه (Context) Task Design — Inputs, Outputs & Context

  • تفویض اختیار و انتقال تسک بین ایجنت‌ها Delegation & Agent-to-Agent Handoffs

  • کارگاه - یک تیم ایجنت پشتیبانی Workshop — A Support-Agent Crew

ایجنت‌های گفتگو-محور با AutoGen Conversable Agents with AutoGen

  • مقایسه AutoGen و CrewAI - دو فلسفه متفاوت AutoGen vs CrewAI — Two Philosophies

  • ایجنت‌های گفتگو-محور و UserProxy Conversable Agents & the UserProxy

  • چت گروهی - ایجنت‌های متعدد، یک گفتگو Group Chat — Many Agents, One Conversation

  • نظارت انسانی و اجرای ایمن کد Human-in-the-Loop & Safe Code Execution

  • کارگاه - ایجنت تحلیل داده Workshop — A Data-Analysis Agent

ابزارها، حافظه و RAG برای ایجنت‌ها Tools, Memory & RAG for Agents

  • ساخت ابزارهای سفارشی Building Custom Tools

  • اتصال به APIها و دیتابیس‌های واقعی Connecting Real APIs & Databases

  • حافظه برداری (Vector Memory) و پایداری Vector Memory & Persistence

  • سیستم RAG برای ایجنت‌ها - استناد به اسناد شما RAG for Agents — Grounding in Your Docs

  • کارگاه - ایجنت پرسش و پاسخ اسناد Workshop — A Documents Q&A Agent

قابلیت اطمینان، هزینه و ارزیابی Reliability, Cost & Evaluation

  • چرا ایجنت‌ها شکست می‌خورند - حلقه‌ها، انحراف و توهم ابزارها Why Agents Fail — Loops, Drift & Hallucinated Tools

  • نرده‌های حفاظتی، تایم‌اوت و حداکثر گام‌ها Guardrails, Timeouts & Max-Steps

  • کنترل هزینه - توکن‌ها، مدل‌ها و کشینگ Controlling Cost — Tokens, Models & Caching

  • ارزیابی ایجنت‌ها - آیا واقعاً کار کرد؟ Evaluating Agents — Did It Actually Work?

  • کارگاه - مقاوم‌سازی ایجنت شما Workshop — Harden Your Agent

استقرار ایجنت‌ها در محیط عملیاتی (Production) Deploying Agents to Production

  • از نوت‌بوک به سرویس عملیاتی From Notebook to Service

  • اسرار، امنیت و دسترسی با کمترین امتیاز Secrets, Security & Least Privilege

  • قابلیت مشاهده - لاگ‌ها، تریس‌ها و توکن‌ها Observability — Logs, Traces & Tokens

  • زمان‌بندی، تریگرها و اجراهای ناهمگام (Async) Scheduling, Triggers & Async Runs

  • کارگاه - استقرار یک سرویس چند-ایجنت Workshop — Deploy a Multi-Agent Service

پروژه‌های دنیای واقعی و گام‌های بعدی Real-World Projects & What's Next

  • الگوهای طراحی ایجنت برای استفاده مجدد Agent Design Patterns You'll Reuse

  • انتخاب معماری مناسب برای هر مسئله Picking the Right Architecture for a Problem

  • پروژه نهایی - طراحی و ساخت سیستم ایجنت شخصی شما Capstone — Design & Build Your Own Agent System

  • آنتی-الگوها و درس‌های آموخته شده از تجربه Anti-Patterns & Hard-Won Lessons

  • آینده ایجنت‌ها - به‌روز ماندن در این مسیر Where Agents Go Next — Staying Current

نمایش نظرات

آموزش تسلط بر ایجنت‌های هوش مصنوعی با AutoGen و CrewAI
جزییات دوره
2.5 hours
44
(آخرین آپدیت)
5
از 5
ندارد
ندارد
ندارد
Nirosha G
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nirosha G Nirosha G

متخصص و مشاور هوش مصنوعی